Künstliche Intelligenz

Künstliche Intelligenz kann Maschinen die Fähigkeit geben, ihr Verhalten auf Basis von Erfahrungen zu verbessern. In der Industrie werden heute überwiegend Lösungen im Bereich des Machine Learning eingesetzt. Hierbei lernt der Computer aus Daten, ohne explizit für eine konkrete Aufgabe programmiert zu werden. Die KI ist in der Lage, Anomalien z. B. bei Maschinengeräuschen, Produktoberflächen) und Daten zu erkennen und dem Menschen zu signalisieren. Typische Anwendungsfälle liegen im Bereich der Werkerassistenz und Instandhaltung, bei denen schnell auf Abweichungen reagiert werden soll. Die Klassifizierung durch KI wird häufig im Bereich der Qualitätssicherung eingesetzt. Anwendungsfälle einer KI-basierten Prognose finden sich bisher überwiegend im Bereich Instandhaltung (Predictive Maintenance) bzw. Qualitätssicherung (Predictive Quality). Die Prognosefähigkeit wird aber auch im Bereich der Ressourcenplanung eingesetzt (z. B. Prognose von Auftragsendeterminen, Rüstzeiten, Maschinen- und Personalverfügbarkeiten etc.).

„Ich höre niemals auf, neugierig zu sein“ Interview mit Jürgen Hartmann, IDS Imaging Development Systems GmbH

Pandemie, Fachkräftemangel, technologischer Fortschritt: Automatisierung hat in den letzten Jahren weiter Schwung aufgenommen. Die IDS Imaging Development Systems GmbH feiert in diesen turbulenten Zeiten ihr 25-jähriges Firmenjubiläum. Factory Innovation sprach mit Gründer und Eigentümer Jürgen Hartmann.

Der Knoten in der smarten Perlenkette 5 Irrtümer in der Anwendung von KI im Supply Chain Management

IKEA, Schneider Electric und Merck agieren zwar in völlig unterschiedlichen Branchen, aber alle haben nicht nur den Wert von Künstlicher Intelligenz für die Supply Chain frühzeitig erkannt, sondern nutzen intelligente Algorithmen zur Reduktion der Bestände, zur Verbesserung der Liefertreue und für ein effektiveres und effizienteres Supply Chain Management. Erfahren Sie, wie auch Ihnen das gelingt.

Künstliche Intelligenz in der Fabrikhalle Zwei Praxisbeispiele zum Nutzen adaptiver und erklärender KI

Wie von Charles Darwin aufgezeigt, haben die anpassungsfähigsten Lebewesen die besten Überlebenschancen. Was aber hat dies mit modernen Analysealgorithmen und Industrie 4.0 zu tun? So einiges – denn nachhaltige Qualitätsoptimierung kann in variantenreicher Produktion nur funktionieren, wenn die KI-Algorithmen die Veränderungen erkennen, bewerten und notwendige Änderungen der Algorithmik ableiten.

Weniger ist mehr - Sparse Modeling Sparse Modeling: Schlanke und dennoch leistungsstarke KI für Embedded Systems

Klassische KI ist kein Allheilmittel für Inspektionssysteme, da umfangreiche Trainingsdaten benötigt werden. Qualitätsproduktion ist jedoch nicht darauf ausgelegt, große Mengen dieser Daten zu produzieren. Eine auf Sparse Modeling basierte KI benötigt nur einen kleinen Satz von Daten und kann damit selbst auf Embedded Plattformen sowohl KI-Trainingsaufgaben als auch Inferenzalgorithmen ausführen.

Künstliche Intelligenz zur Steigerung der Energieeffizienz In fünf Schritten die relevanten Anforderungen erheben

Energieeffizienz gewinnt eine immer stärkere Bedeutung, in allen Branchen. Technologien aus den Bereichen Digitalisierung und Künstliche Intelligenz (KI) können innovative Lösungen für eine energieeffizientere Produktion leisten. Dieser Beitrag stellt ein Vorgehen zur Erfassung der Anforderungen an Digitalisierungs- und KI-Projekte zur Steigerung der Energieeffizienz im produzierenden Gewerbe vor.

Die perfekte KI-Technologie Interview mit Zeljko Loncaric: Künstliche Intelligenz in Embedded-Systemen

Zeljko Loncaric ist Marketing Engineer beim Technologieunternehmen congatec und befasst sich mit Sparse Modeling, einer KI-Technik für Embedded-Systeme.

Lifecycle Monitoring intelligenter Produktionssysteme Ein innovatives Konzept für die Einführung von Smart Maintenance

Um eine effiziente Fertigung zu gewährleisten, müssen Produktionssysteme kommunizieren, den Verschleißzustand überwachen und ihr Verhalten situationsbezogen selbst anpassen können. Dieser Beitrag gibt einen Überblick über die historische Entwicklung intelligenter Produktionssysteme. Des Weiteren werden technische und organisatorische Voraussetzungen für die Implementierung intelligenter Produktionssysteme vorgestellt und kritisch diskutiert.

Tools des maschinellen Lernens Marktstudie, Anwendungsbereiche und Lösungen der Künstlichen Intelligenz

Dieses Buch bietet einen Überblick über aktuelle KI-Lösungen und hilft bei der Auswahl der richtigen Algorithmen und Tools für spezifische Herausforderungen. Mit der systematischen Klassifizierung von 90 Lösungen ermöglicht es, schnell die Grundlagen zu verstehen und den Auswahlprozess für Ihr Projekt zu meistern.

Strategischer Ansatz zur Umsetzung der Losgröße 1 Projekt CrimpProd-S integriert dezentrale, selbstlernende Systeme in die Produktion

Das Projekt „CrimpProd-S“ untersucht die Integration dezentraler, selbstlernender Produktionssteuerungssysteme im Kontext der Industrie 4.0. Ziel ist die wirtschaftliche Umsetzung kleiner Losgrößen hin zur kundenindividuellen Stückzahl 1 bei bestehenden Produktionsstrukturen. In diesem Beitrag wird die EntwicklungDurch die Entwicklung einer allgemeingültigen und übertragbaren Methode vorgestellt.

Modellierung intelligenter Produktionssysteme Optimierung und Effizienzsteigerung für eine zukunftssichere Industrie 4.0

Die schnelle und effiziente Anpassung an wechselnde Umgebungsbedingungen ist einer der Kernfaktoren für Unternehmen, um eine langfristige Festigung und Stärkung der Marktposition zu erreichen. Dabei spielen insbesondere auch die hohen Anforderungen der Kunden nach einer Individualisierung ihrer Produkte sowie rasche Innovationszyklen technischer Produkte eine wichtige Rolle.